Рынок заведений общественного питания Москвы¶

Инвесторы из фонда «Shut Up and Take My Money» решили попробовать себя в новой области и открыть заведение общественного питания в Москве. Необходимо подготовить исследование рынка Москвы, найти интересные особенности и презентовать полученные результаты, которые в будущем помогут в выборе подходящего инвесторам места. Нам доступен датасет с заведениями общественного питания Москвы, составленный на основе данных сервисов Яндекс Карты и Яндекс Бизнес на лето 2022 года. Информация, размещённая в сервисе Яндекс Бизнес, могла быть добавлена пользователями или найдена в общедоступных источниках. Она носит исключительно справочный характер.

Изучение исходных данных¶

In [1]:
!pip install folium -U

Requirement already satisfied: folium in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (0.14.0)
Requirement already satisfied: requests in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (from folium) (2.28.1)
Requirement already satisfied: numpy in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (from folium) (1.20.1)
Requirement already satisfied: jinja2>=2.9 in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (from folium) (3.1.2)
Requirement already satisfied: branca>=0.6.0 in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (from folium) (0.6.0)
Requirement already satisfied: MarkupSafe>=2.0 in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (from jinja2>=2.9->folium) (2.1.1)
Requirement already satisfied: idna<4,>=2.5 in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (from requests->folium) (3.4)
Requirement already satisfied: urllib3<1.27,>=1.21.1 in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (from requests->folium) (1.26.14)
Requirement already satisfied: certifi>=2017.4.17 in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (from requests->folium) (2022.12.7)
Requirement already satisfied: charset-normalizer<3,>=2 in c:\users\hp\anaconda3\envs\practicum\lib\site-packages (from requests->folium) (2.1.1)
In [2]:
import pandas as pd
import numpy as np
import scipy.stats as st
import math as mth
from datetime import date, datetime, timedelta
from matplotlib import pyplot as plt
import seaborn as sns
import plotly.express as px
from plotly import graph_objects as go
pd.options.display.max_colwidth = 150
In [3]:
data = pd.read_csv('/Users/HP/Downloads/moscow_places.csv')

data.head()
Out[3]:
name category address district hours lat lng rating price avg_bill middle_avg_bill middle_coffee_cup chain seats
0 WoWфли кафе Москва, улица Дыбенко, 7/1 Северный административный округ ежедневно, 10:00–22:00 55.878494 37.478860 5.0 NaN NaN NaN NaN 0 NaN
1 Четыре комнаты ресторан Москва, улица Дыбенко, 36, корп. 1 Северный административный округ ежедневно, 10:00–22:00 55.875801 37.484479 4.5 выше среднего Средний счёт:1500–1600 ₽ 1550.0 NaN 0 4.0
2 Хазри кафе Москва, Клязьминская улица, 15 Северный административный округ пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00–02:00 55.889146 37.525901 4.6 средние Средний счёт:от 1000 ₽ 1000.0 NaN 0 45.0
3 Dormouse Coffee Shop кофейня Москва, улица Маршала Федоренко, 12 Северный административный округ ежедневно, 09:00–22:00 55.881608 37.488860 5.0 NaN Цена чашки капучино:155–185 ₽ NaN 170.0 0 NaN
4 Иль Марко пиццерия Москва, Правобережная улица, 1Б Северный административный округ ежедневно, 10:00–22:00 55.881166 37.449357 5.0 средние Средний счёт:400–600 ₽ 500.0 NaN 1 148.0
In [4]:
data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   int64  
 13  seats              4795 non-null   float64
dtypes: float64(6), int64(1), object(7)
memory usage: 919.5+ KB

Вывод¶

Исходный датасет содержит информацию о 8406 заведениях. Тип данных соответствует значениям в столбцах. В ряде столбцов есть пропуски рассмотрим их подробней в следующем разделе.

Предобработка данных¶

Дубликаты¶
In [5]:
print('Количество явных дубликатов: ', data.duplicated().sum())

Количество явных дубликатов:  0

Проверим неявные дубликаты.

In [6]:
#Приведем весь столбец name к нижнему регистру
data['name'] = data['name'].str.lower()
#Заменим все "ё" на "е"
data['name'] = data['name'].str.replace('ё', 'е')
#Проверим по столбцам name и address
print('Количество дубликатов: ', data.duplicated(subset=['name','address','lat']).sum())
data_duplicated = data[data.duplicated(subset=['name','address','lat'],keep=False)]
data_duplicated

Количество дубликатов:  1
Out[6]:
name category address district hours lat lng rating price avg_bill middle_avg_bill middle_coffee_cup chain seats
1430 more poke ресторан Москва, Волоколамское шоссе, 11, стр. 2 Северный административный округ ежедневно, 09:00–21:00 55.806307 37.497566 4.2 NaN NaN NaN NaN 0 188.0
1511 more poke ресторан Москва, Волоколамское шоссе, 11, стр. 2 Северный административный округ пн-чт 09:00–18:00; пт,сб 09:00–21:00; вс 09:00–18:00 55.806307 37.497566 4.2 NaN NaN NaN NaN 1 188.0

Выявлен одни дубликат. Удалим его.

In [7]:
data.drop_duplicates(subset=['name','address','lat'],keep=False, inplace=True)
In [8]:
print('Количество дубликатов: ', data.duplicated(subset=['name','address','lat']).sum())

Количество дубликатов:  0
Пропуски¶
In [9]:
print(data.isna().sum())
pd.DataFrame(round(data.isna().mean()*100,)).style.background_gradient('coolwarm')

name                    0
category                0
address                 0
district                0
hours                 536
lat                     0
lng                     0
rating                  0
price                5089
avg_bill             4588
middle_avg_bill      5255
middle_coffee_cup    7869
chain                   0
seats                3611
dtype: int64
Out[9]:
0
name 0.000000
category 0.000000
address 0.000000
district 0.000000
hours 6.000000
lat 0.000000
lng 0.000000
rating 0.000000
price 61.000000
avg_bill 55.000000
middle_avg_bill 63.000000
middle_coffee_cup 94.000000
chain 0.000000
seats 43.000000

Основное количество пропусков в столбцах со средними чеками и в столбце seats (количество посадочных мест). Заполнять столбцыми со средними чеками мелдианой или средним значением будет некорректно, потому что средний чек каждого заведения зависит от многих факторов (расположение, категория заведения, количество посадочных мест и тд). А удаление такого значительного количества пропусков исказит данные. Поэтому оставляем все пропуски.

Создадим столбец street с названиями улиц из столбца с адресом.

In [10]:
data['street'] = data['address'].str.split(', ').str[1]

Создадим столбец is_24/7 с обозначением, что заведение работает ежедневно и круглосуточно (24/7):

  • логическое значение True — если заведение работает ежедневно и круглосуточно;
  • логическое значение False — в противоположном случае.
In [11]:
data['is_24/7'] = data['hours'].str.contains('ежедневно, круглосуточно')

Вывод¶

  • Данные проверены на отсутствие дубликатов.
  • Проанализированы пропуски. Принято решение оставить их.
  • Созданы столбцы с названием улицы и с обозначением ежедневного круглосуточного режима работы заведения.

Анализ данных¶

Категории заведений в исходных данных¶
In [12]:
category_name = data.groupby('category')['name'].count().reset_index().sort_values('name',ascending=False)

category_name
Out[12]:
category name
3 кафе 2378
6 ресторан 2041
4 кофейня 1413
0 бар,паб 765
5 пиццерия 633
2 быстрое питание 603
7 столовая 315
1 булочная 256
In [13]:
ax = plt.subplots(figsize=(16, 7))
ax = sns.barplot(x='name', y='category', data=category_name)
plt.title('Количество категорий по заведениям')
plt.xlabel('Количество заведений')
plt.ylabel('Название')
plt.show()

Больше половины заведений это кафе и рестораны, меньше всего столовых и булочных.

Количество посадочных мест по категориям заведений¶
In [14]:
data.groupby('category')['seats'].describe()
Out[14]:
count mean std min 25% 50% 75% max
category
бар,паб 468.0 124.532051 145.011574 0.0 48.00 82.5 150.0 1288.0
булочная 148.0 89.385135 97.685844 0.0 25.00 50.0 120.0 625.0
быстрое питание 349.0 98.891117 106.611739 0.0 28.00 65.0 140.0 1040.0
кафе 1218.0 97.512315 117.985084 0.0 35.25 60.0 120.0 1288.0
кофейня 751.0 111.199734 127.837772 0.0 40.00 80.0 144.0 1288.0
пиццерия 427.0 94.496487 112.282703 0.0 30.00 55.0 120.0 1288.0
ресторан 1268.0 121.839905 123.827121 0.0 48.00 86.0 150.0 1288.0
столовая 164.0 99.750000 122.951453 0.0 40.00 75.5 117.0 1200.0
In [15]:
plt.figure(figsize=(15, 7))
sns.color_palette("tab10")
ax = sns.boxplot(x='category', y='seats', data=data, palette="pastel")
plt.title('Количество посадочных мест по категориям заведений')
plt.xlabel('Количество посадочных мест')
plt.ylabel('Категория заведения')
plt.show()

Видим, что в количестве посадочных мест есть аномально большие значения, которые нужно отсечь. Определимся с границей, рассчитав 99й перцентили.

In [16]:
print(np.nanpercentile(data['seats'], [99]))

[625.]

Значения больше 500 примем за аномальные и отсечем. И еще раз посмотрим на график с новыми данными.

In [17]:
data.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 8404 entries, 0 to 8405
Data columns (total 16 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8404 non-null   object 
 1   category           8404 non-null   object 
 2   address            8404 non-null   object 
 3   district           8404 non-null   object 
 4   hours              7868 non-null   object 
 5   lat                8404 non-null   float64
 6   lng                8404 non-null   float64
 7   rating             8404 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8404 non-null   int64  
 13  seats              4793 non-null   float64
 14  street             8404 non-null   object 
 15  is_24/7            7868 non-null   object 
dtypes: float64(6), int64(1), object(9)
memory usage: 1.3+ MB
In [18]:
data = data.query('seats <= 500 | seats.isna()')

print(data.groupby('category')['seats'].describe().round(2))

                  count    mean    std  min    25%   50%     75%    max
category                                                               
бар,паб           458.0  109.04  93.20  0.0  47.25  80.0  140.00  480.0
булочная          147.0   85.74  87.35  0.0  25.00  50.0  120.00  478.0
быстрое питание   348.0   96.19  94.02  0.0  27.25  65.0  136.25  500.0
кафе             1204.0   89.57  88.93  0.0  35.00  60.0  106.00  500.0
кофейня           739.0  100.43  90.99  0.0  40.00  78.0  140.00  500.0
пиццерия          423.0   87.91  85.48  0.0  30.00  52.0  120.00  455.0
ресторан         1256.0  114.85  96.98  0.0  48.00  85.5  150.00  500.0
столовая          162.0   89.72  77.27  0.0  40.00  75.0  115.00  428.0
In [19]:
data.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 8348 entries, 0 to 8405
Data columns (total 16 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8348 non-null   object 
 1   category           8348 non-null   object 
 2   address            8348 non-null   object 
 3   district           8348 non-null   object 
 4   hours              7819 non-null   object 
 5   lat                8348 non-null   float64
 6   lng                8348 non-null   float64
 7   rating             8348 non-null   float64
 8   price              3294 non-null   object 
 9   avg_bill           3792 non-null   object 
 10  middle_avg_bill    3131 non-null   float64
 11  middle_coffee_cup  529 non-null    float64
 12  chain              8348 non-null   int64  
 13  seats              4737 non-null   float64
 14  street             8348 non-null   object 
 15  is_24/7            7819 non-null   object 
dtypes: float64(6), int64(1), object(9)
memory usage: 1.1+ MB
In [20]:
plt.figure(figsize=(15, 7))
sns.color_palette("tab10")
ax = sns.boxplot(x='category', y='seats', data=data, palette="pastel")
plt.title('Количество посадочных мест по категориям заведений')
plt.xlabel('Количество посадочных мест')
plt.ylabel('Категория заведения')
plt.show()

Больше всего посадочных мест в ресторанах, барах/пабах и кофейнях.

Соотношение сетевых и несетевых заведений¶
In [21]:
chain_name = data.groupby('chain')['name'].count().sort_values(ascending=False)
print(chain_name)
chain_name.plot(kind='pie', y='count', figsize=(9,9), title='Соотношение сетевых и несетевых заведений', autopct='%1.1f%%')
plt.show()

chain
0    5170
1    3178
Name: name, dtype: int64

Несетевых заведений почти на 24% больше.

Какие категории заведений чаще являются сетевыми¶
In [22]:
chain_category = data.pivot_table(index='category',columns='chain', values='name', aggfunc= 'count').reset_index()
chain_category.columns = ['category','no_chains', 'chains']
chain_category['count'] = chain_category['no_chains'] + chain_category['chains']
chain_category['chains%'] = chain_category['chains']*100/chain_category['count'] 
chain_category = chain_category.sort_values(by='chains%', ascending=False)
chain_category
Out[22]:
category no_chains chains count chains%
1 булочная 99 156 255 61.176471
5 пиццерия 301 328 629 52.146264
4 кофейня 688 713 1401 50.892220
2 быстрое питание 371 231 602 38.372093
6 ресторан 1308 721 2029 35.534746
3 кафе 1590 774 2364 32.741117
7 столовая 226 87 313 27.795527
0 бар,паб 587 168 755 22.251656
In [23]:
ax = plt.subplots(figsize=(16, 7))
ax = sns.barplot(x='category', y='chains%', data=chain_category)
plt.title('Наиболее распространенные категории сетевых заведений')
plt.xlabel('Категория заведений')
plt.ylabel('Доля сетевых заведений в категории')
plt.show()

Сетевыми чаще являются булочные, пиццерии и кофейни.

Топ-15 популярных сетей в Москве¶
In [24]:
chain_name = data.query('chain == 1')
name_top15 = (
    chain_name.groupby('name').agg({'category' : pd.Series.mode, 'district':'count', 'middle_avg_bill':'median'})
    .reset_index().sort_values('district', ascending=False).iloc[0:15]
)
name_top15
Out[24]:
name category district middle_avg_bill
730 шоколадница кофейня 118 650.0
335 домино'с пицца пиццерия 76 500.0
331 додо пицца пиццерия 74 391.5
146 one price coffee кофейня 70 NaN
743 яндекс лавка ресторан 68 NaN
58 cofix кофейня 65 NaN
168 prime ресторан 50 300.0
665 хинкальная кафе 44 1000.0
411 кофепорт кофейня 42 NaN
629 теремок ресторан 38 325.0
420 кулинарная лавка братьев караваевых кафе 38 450.0
684 чайхана кафе 37 400.0
39 cofefest кофейня 32 512.5
268 буханка булочная 32 237.5
478 му-му кафе 27 450.0
In [25]:
ax = plt.subplots(figsize=(16, 7))
ax = sns.barplot(x='district', y='name', data=name_top15)
plt.title('Топ-15 сетевых заведений')
plt.xlabel('Количество заведений')
plt.ylabel('Название')
plt.show()

Самые популярные сетевые заведения: Шоколадница (кофейня), Додо Пицца (пицерия) и Доминос Пицца (пицерия). Средний чек данных заведений не превышает 700 рублей.

Количество заведений по административным районам Москвы¶

Посмотрим общее количество заведений по районам.

In [26]:
district_name = data.groupby('district')['name'].count().reset_index()
district_name
Out[26]:
district name
0 Восточный административный округ 789
1 Западный административный округ 831
2 Северный административный округ 875
3 Северо-Восточный административный округ 891
4 Северо-Западный административный округ 409
5 Центральный административный округ 2242
6 Юго-Восточный административный округ 714
7 Юго-Западный административный округ 706
8 Южный административный округ 891

Количество заведений каждой категории по районам.

In [27]:
data.pivot_table(index='district', columns='category', values='name', aggfunc= 'count').reset_index()
Out[27]:
category district бар,паб булочная быстрое питание кафе кофейня пиццерия ресторан столовая
0 Восточный административный округ 49 25 70 269 104 72 160 40
1 Западный административный округ 46 37 62 234 146 70 213 23
2 Северный административный округ 66 38 58 231 186 74 182 40
3 Северо-Восточный административный округ 63 28 82 269 159 68 182 40
4 Северо-Западный административный округ 23 12 30 115 62 40 109 18
5 Центральный административный округ 364 50 87 464 428 113 670 66
6 Юго-Восточный административный округ 38 13 67 282 89 55 145 25
7 Юго-Западный административный округ 38 27 61 236 96 64 167 17
8 Южный административный округ 68 25 85 264 131 73 201 44
In [28]:
district_category=(
    data.groupby(['district','category']).agg({'name':'count'}).reset_index().sort_values('name',ascending=True)
)

fig = px.bar(district_category,
             x='name',
             y='district',
             color='category'
            )
fig.update_layout(title = 'Количество заведений по категориям по районам',
                  xaxis_title = 'Количество заведений',
                  yaxis_title = 'Название района',
)
fig.show()

В ЦАО заведений значительно больше, чем в других районах. Преобладают рестораны. Меньше всего заведений в СЗАО.

Распределение средних рейтингов по категориям заведений¶
In [29]:
rating_category = data.groupby('category').agg({'rating':'mean'}).reset_index().sort_values('rating')

ax = plt.subplots(figsize=(16, 7))
ax = sns.barplot(x='category', y='rating', data=rating_category)
plt.title('Распределение средних рейтингов по категориям заведений')
plt.xlabel('Категория заведений')
plt.ylabel('Средние рейтинги')
plt.show()

Средние рейтинги всех категорий отличаются незначительно и находятся в районе 4. При этом, самый высокий средний рейтинг у баров/пабов, самый низкий и заведений быстрого питания.

Фоновая картограмма (хороплет) со средним рейтингом заведений каждого района¶
In [30]:
rating_data = data.groupby('district')['rating'].mean().reset_index().sort_values('rating',ascending=False)
rating_data
Out[30]:
district rating
5 Центральный административный округ 4.377520
2 Северный административный округ 4.239086
4 Северо-Западный административный округ 4.208802
8 Южный административный округ 4.184063
1 Западный административный округ 4.179904
0 Восточный административный округ 4.174271
7 Юго-Западный административный округ 4.172521
3 Северо-Восточный административный округ 4.148260
6 Юго-Восточный административный округ 4.101120
In [31]:
import json
# импортируем карту и хороплет
from folium import Map, Choropleth

# загружаем JSON-файл с границами округов Москвы
#try:
 #   state_geo = '/datasets/admin_level_geomap.geojson'
#except:
state_geo = 'https://code.s3.yandex.net/data-analyst/admin_level_geomap.geojson'
    
# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=9)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=rating_data,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_color='PuBu',
    fill_opacity=0.5,
    legend_name='Средний рейтинг заведений по районам',
).add_to(m)

# выводим карту
m
Out[31]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Самый высокий средний рейтинг в ЦАО, самый низкий в ЮВАО. Но в целом средние рейтинги по районам примерно одинаковые.

Отобразим все заведения датасета на карте с помощью кластеров¶
In [32]:
# импортируем карту и маркер
from folium import Map, Marker
# импортируем кластер
from folium.plugins import MarkerCluster

# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}",
    ).add_to(marker_cluster)

# применяем функцию create_clusters() к каждой строке датафрейма
data.apply(create_clusters, axis=1)

# выводим карту
m
Out[32]:
Make this Notebook Trusted to load map: File -> Trust Notebook
Топ-15 улиц по количеству заведений¶

Определим топ-15 улиц.

In [33]:
street_top15=data.groupby('street').agg({'name':'count'}).reset_index().sort_values('name', ascending=False).iloc[0:15]
print(street_top15)

                      street  name
1090           проспект Мира   184
773        Профсоюзная улица   122
525       Ленинский проспект   107
1087    проспект Вернадского    97
373        Дмитровское шоссе    88
455          Каширское шоссе    77
298         Варшавское шоссе    76
523   Ленинградский проспект    72
524      Ленинградское шоссе    70
550                     МКАД    65
547         Люблинская улица    60
1154          улица Вавилова    55
517     Кутузовский проспект    53
781          Пятницкая улица    48
1309    улица Миклухо-Маклая    47

Определим количество заведений по категориям на каждой улице.

In [34]:
street_category=data.groupby(['street', 'category']).agg({'name':'count'}).reset_index()
print(street_category)

                        street  category  name
0     1-й Автозаводский проезд      кафе     1
1      1-й Балтийский переулок  ресторан     1
2        1-й Варшавский проезд      кафе     1
3      1-й Вешняковский проезд      кафе     1
4     1-й Волоколамский проезд      кафе     1
...                        ...       ...   ...
3815         шоссе Энтузиастов      кафе    10
3816         шоссе Энтузиастов   кофейня     7
3817         шоссе Энтузиастов  пиццерия     2
3818         шоссе Энтузиастов  ресторан     7
3819                       № 7      кафе     1

[3820 rows x 3 columns]

Посмотрим какие категории заведений на улицах из топ-15.

In [35]:
street_top15_category = street_category[street_category['street'].isin(street_top15['street'])].sort_values('name',ascending=False)
street_top15_category
Out[35]:
street category name
2859 проспект Мира кафе 53
2862 проспект Мира ресторан 45
1379 МКАД кафе 45
2860 проспект Мира кофейня 36
1988 Профсоюзная улица кафе 35
... ... ... ...
1249 Кутузовский проспект булочная 1
2842 проспект Вернадского булочная 1
1382 МКАД столовая 1
1364 Люблинская улица пиццерия 1
1377 МКАД бар,паб 1

111 rows × 3 columns

In [36]:
fig = px.bar(street_top15_category,
             x='name',
             y='street',
             color='category'
            )
fig.update_layout(title = 'Количество заведений по категориям по топ-15 улицам',
                  xaxis_title = 'Количество заведений',
                  yaxis_title = 'Названия улиц',
)
fig.show()

Больше всего заведений на Профсоюзной улице и проспекте Мира. На этих улицах преобладают рестораны, кафе и кофейни.

Улицы, на которых находится только один объект общепита¶
In [37]:
streets1 = data.groupby('street').agg({'name':'count'}).reset_index().sort_values('name', ascending=True)

streets1 = streets1.query('name == 1')
print(streets1)

                          street  name
0       1-й Автозаводский проезд     1
683            Одинцовская улица     1
689         Октябрьский переулок     1
694              Ордынский тупик     1
695           Оренбургская улица     1
..                           ...   ...
102        2-я Пугачёвская улица     1
212            Бесединское шоссе     1
66      2-й Вышеславцев переулок     1
176  Андреевский пешеходный мост     1
103          2-я Рощинская улица     1

[458 rows x 2 columns]

Посмотрим в каких районах расположены эти улицы.

In [38]:
streets1_data = data[data['street'].isin(streets1['street'])]
streets1_district=streets1_data.groupby(['district']).agg({'street':'count'}).reset_index().sort_values('street')

ax = plt.subplots(figsize=(16, 7))
ax = sns.barplot(x='street', y='district', data=streets1_district)
plt.title('Количество улиц с одним общепитом по районам')
plt.xlabel('Количество заведений')
plt.ylabel('Название района')
plt.show()

Больше всего таких улиц в ЦАО, меньше всего в ЮЗАО.

Значения средних чеков заведений по районам¶
In [39]:
bill_district = (
    data.groupby(['district']).agg({'middle_avg_bill':'median'}).reset_index()
    .sort_values('middle_avg_bill',ascending=False)
)
bill_district
Out[39]:
district middle_avg_bill
1 Западный административный округ 1000.0
5 Центральный административный округ 1000.0
4 Северо-Западный административный округ 700.0
2 Северный административный округ 650.0
7 Юго-Западный административный округ 600.0
0 Восточный административный округ 550.0
3 Северо-Восточный административный округ 500.0
8 Южный административный округ 500.0
6 Юго-Восточный административный округ 450.0
In [40]:
# создаём карту Москвы
mm = Map(location=[moscow_lat, moscow_lng], zoom_start=10)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=bill_district,
    columns=['district', 'middle_avg_bill'],
    key_on='feature.name',
    fill_color='PuBu',
    fill_opacity=0.5,
    legend_name='Средний чек по районам',
).add_to(mm)

# выводим карту
mm
Out[40]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Самый большой средний чек в ЗАО и ЦАО, самый маленький в СВАО, ЮВАО и ЮАО. Средний чек в ЦАО и ЗАО в 1,5-2 раза больше, чем в других округах.

Вывод¶

В ходе анализа данных установлено:

  • Самые распространенные заведения - кафе и рестораны (более 50%), наименее распространенные - столовые и булочные (7%).
  • Заведения с наибольшим количеством посадочных мест - рестораны, бары/пабы и кофейни. В среднем 100-110 посадочных мест.
  • Несетевых заведений почти на 24% больше, чем сетевых. Сетевыми чаще являются булочные, пиццерии и кофейни.
  • Самое распространенное сетевое заведение - Шоколадница. На 2 и 3 месте Додо Пицца и Домино'с Пицца. Средний чек данных заведений не превышает 700 рублей.
  • Район с наибольшим количеством заведений - ЦАО. Там заведений значительно больше, чем в других районах. Преобладают рестораны. Меньше всего заведений в СЗАО.
  • Самый высокий средний рейтинг заведений в ЦАО (4.4), самый низкий в ЮВАО (4.1).
  • Улицы с наибольшим количеством заведений: Профсоюзная и проспект Мира. На этих улицах преобладают рестораны, кафе и кофейни.
  • Самый большой средний чек в ЗАО и ЦАО, самый маленький в СВАО, ЮВАО и ЮАО. Средний чек в ЦАО и ЗАО в 1,5-2 раза больше, чем в других округах.

Детализация исследования: открытие кофейни¶

Количество кофеен по районам¶
In [41]:
coffee = data.query('category == "кофейня"')
print('Общее количество кофеен: ', coffee['name'].count())

Общее количество кофеен:  1401
In [42]:
coffee_district = coffee.groupby('district')['category'].count().reset_index()
coffee_district['count'] = district_name['name']
coffee_district['ratio'] = round(coffee_district['category']*100/coffee_district['count'], 2)
coffee_district = coffee_district.sort_values('category', ascending=False)
coffee_district
Out[42]:
district category count ratio
5 Центральный административный округ 428 2242 19.09
2 Северный административный округ 186 875 21.26
3 Северо-Восточный административный округ 159 891 17.85
1 Западный административный округ 146 831 17.57
8 Южный административный округ 131 891 14.70
0 Восточный административный округ 104 789 13.18
7 Юго-Западный административный округ 96 706 13.60
6 Юго-Восточный административный округ 89 714 12.46
4 Северо-Западный административный округ 62 409 15.16
In [43]:
ax = plt.subplots(figsize=(16, 7))
ax = sns.barplot(x='category', y='district', data=coffee_district)
plt.title('Распределение средних рейтингов по категориям заведений')
plt.xlabel('Категория заведений')
plt.ylabel('Средние рейтинги')
plt.show()

Больше всего кофеен в ЦАО и САО. При этом, относительно других заведений в районе больше всего их в ЗАО (18%) и в ЦАО (19%).

Режим работы кофеен¶
In [44]:
coffee.groupby('is_24/7')['name'].count()
Out[44]:
is_24/7
False    1327
True       59
Name: name, dtype: int64

В данных 59 круглосуточных кофеен.

Рейтинги кофеен. Распределение по районам¶
In [45]:
coffee_rating = coffee.groupby('district')['rating'].mean().reset_index().sort_values('rating',ascending=False)
coffee_rating
Out[45]:
district rating
5 Центральный административный округ 4.336449
4 Северо-Западный административный округ 4.325806
2 Северный административный округ 4.291935
0 Восточный административный округ 4.284615
7 Юго-Западный административный округ 4.283333
8 Южный административный округ 4.232824
6 Юго-Восточный административный округ 4.225843
3 Северо-Восточный административный округ 4.216981
1 Западный административный округ 4.193151
In [46]:
# создаём карту Москвы
mmm = Map(location=[moscow_lat, moscow_lng], zoom_start=10)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=coffee_rating,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_color='PuBu',
    fill_opacity=0.5,
    legend_name='Средний рейтинг кофеен по районам',
).add_to(mmm)

# выводим карту
mmm
Out[46]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Наиболее высокий средний рейтинг у кофеен в ЦАО и СЗАО, наиболее низкий - у кофеен в ЗАО.

Средняя стоимость чашки капучино¶
In [47]:
round(coffee['middle_coffee_cup'].mean(), 2)
Out[47]:
175.06

Средняя стоимость чашки капучино в Москве 175.06 рублей.

Посмотрим среднюю стоимость по районам.

In [48]:
coffee_cup = coffee.groupby('district')['middle_coffee_cup'].median().reset_index().sort_values('middle_coffee_cup',ascending=False)
coffee_cup
Out[48]:
district middle_coffee_cup
7 Юго-Западный административный округ 198.0
5 Центральный административный округ 190.0
1 Западный административный округ 187.0
4 Северо-Западный административный округ 165.0
3 Северо-Восточный административный округ 162.5
2 Северный административный округ 159.0
8 Южный административный округ 150.0
6 Юго-Восточный административный округ 147.5
0 Восточный административный округ 135.0
In [49]:
# создаём карту Москвы
mmmm = Map(location=[moscow_lat, moscow_lng], zoom_start=10)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=coffee_cup,
    columns=['district', 'middle_coffee_cup'],
    key_on='feature.name',
    fill_color='PuBu',
    fill_opacity=0.5,
    legend_name='Средняя стоимость чашки капучино',
).add_to(mmmm)

# выводим карту
mmmm
Out[49]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Средняя стоимость чашки капучино в Москве - 175.06 рублей, на неё и стоит ориентироваться при открытии. Самый дорогой кофе в ЮЗАО, далее по стоимости идут ЦАО и ЗАО.

Рекомендации для открытия новой кофейни¶

Для открытия новой кофейни можно порекомендовать район ЗАО. Там наибольшая доля кофеен относительно всех заведений в районе по сравнению с другими районами. Можно сделать вывод, что кофейни в этом районе пользуются популярностью. При этом, кофейни в ЗАО имеют невысокий рейтинг - проще будет составить конкуренцию. ЗАО второй район по стоимости чашки капучино (195 руб), соответственно можно попробовать навязать конкуренцию за счет более низкой цены на начальный период (к примеру акции в честь открытия). Можно ориентироваться на среднюю стоимость по Москве (179.87 руб).